Curso: Matemáticas para Ingeniería Civil

Clase 2: Probabilidad
 Introducción
Cuando se mide la profundidad de impregnación de un durmiente, se está
realizando un experimento. Sin embargo, todos los días existen diferencias en
los datos obtenidos, sin importar que tan cuidadoso se realice el experimento
es frecuente que ocurran variaciones, se dice que un experimento tiene un
componente aleatorio.

La meta es comprender, cuantificar y realizar un modelo del tipo de

variaciones que se encuentran con frecuencia y poder determinar la
probabilidad de ocurrencia de un posible resultado.

Esto es aplicable en casos como, determinar la probabilidad de producir o

comprar un artefacto defectuoso y así estimar los costos asociados a un lote
de producción.
 Espacios Muestrales
Al conjunto de todos los resultados posibles de un experimento aleatorio se
le conoce como espacio muestral del experimento, el cual se denota por S.

Ejemplo:
Considere que está revisando si un producto en particular cumple las
especificaciones establecidas, el experimento puede entregar dos valores:
𝑺 = 𝑪𝒖𝒎𝒑𝒍𝒆, 𝑵𝒐 𝑪𝒖𝒎𝒑𝒍𝒆

Ahora asuma que se revisan 2 productos, su nuevo espacio muestral cambia

a:
𝑺 = 𝑪𝑪, 𝑪𝑵, 𝑵𝑪, 𝑵𝑵

Ahora mi espacio muestral puede arrojar 4 resultados posibles.

 Eventos
Un evento es un subconjunto de un espacio muestral de un experimento
aleatorio.

Ejemplo:
Considerando el ejemplo de la supervisión de dos productos, considere los
resultados de que al menos uno de éstos cumpla las especificaciones.

𝐸1 = 𝐶𝐶, 𝐶𝑁, 𝑁𝐶

El evento de que ninguno de los dos productos cumpla:

𝐸2 = 𝑁𝑁

Otros eventos son el vacío 𝐸3 = ∅ y el espacio muestral 𝐸4 = 𝑆

 Eventos
... Y si consideramos el evento de que al menos un producto no cumpla las
especificaciones 𝐸5 = 𝑛𝑛, 𝑐𝑛, 𝑛𝑐

• La Unión de dos eventos es el evento que contiene a todos los resultados

que pueden estar en cualquiera de los dos eventos.
• La Intersección de dos eventos es el evento que consta de todos los
resultados contenidos en ambos eventos.
• El Complemento de un evento en un espacio muestral son los resultados
del espacio muestral que no están en el evento
Así

𝐸1 ∪ 𝐸5 = 𝑆 𝐸1 ∩ 𝐸5 = 𝑐𝑛, 𝑛𝑐 𝐸1′
 Ejemplo
La medición del tiempo necesario para llevar a cabo un cierto proceso
industrial podría tener como espacio muestral,

𝑆 = 0, ∞
Así, podríamos considerar,
𝐸1 = 𝑥 1 < 𝑥 < 25
𝐸2 = 𝑥 2 ≤ 𝑥 < 105

Entonces,
𝐸1 ∪ 𝐸2 = 𝑥 1 < 𝑥 < 105
𝐸2′ = 𝑥 0 ≤ 𝑥 < 2 ∪ 105 ≤ 𝑥
 Ejemplo
Un fabricante le ofrece vehículos equipados con accesorios opcionales:

– Con o sin transmisión automática

– Con o sin A/C
– Con 3 colores distintos

Así, este problema tiene un espacio muestral con 12 tipos de vehículos.

 Interpretación de probabilidad
Definición:
Un espacio muestral es discreto si contiene un conjunto finito o contable
infinito de resultados.
La probabilidad se puede interpretar a través de la frecuencia relativa, la cual
corresponde a la proporción de repeticiones que se producen del resultado
en un experimento.

Definición:
Para un espacio muestral discreto, la probabilidad de un evento E, denotada
como P 𝐸 , es igual a la suma de las probabilidades de cada resultado.
 Ejemplo
El departamento de calidad inspecciona visualmente el número de
imperfecciones en la superficie de un cierto material, en el cuál se obtuvieron
los siguientes resultados:
Número de Frecuencia
imperfecciones relativa
0 0,40
1 0,20
2 0,15
3 0,10
4 0,05
5 o más 0,10
 Ejemplo
• Si se selecciona una pieza al azar y se inspecciona ¿Cuál es la probabilidad
de que ésta no tenga imperfecciones?.
El problema considera un espacio muestral con 6 resultados, entonces el
evento sin imperfecciones es 𝐸 = 0 , así

𝑃 𝐸 = 0,4

• ¿Cuál es la probabilidad de que tenga 3 o más imperfecciones?

Este evento consta de tres resultados 𝐸 = 3, 4, 5 𝑜 𝑚á𝑠

𝑃 𝐸 = 0,10 + 0,05 + 0,10 = 0,25

 Axiomas de probabilidad
Los axiomas no determinan las probabilidades; las probabilidades se asignan
en base al conocimiento e historial del sistema.

La probabilidad es un número que se asigna a cada miembro de una colección

de datos de un experimento aleatorio que satisface las siguiente propiedades.
1. P S = 1
2. 0 ≤ P E ≤ 1
3. Para dos eventos 𝐸1 y 𝐸2 con 𝐸1 ∩ 𝐸2 = ∅,
𝑃 𝐸1 ∪ 𝐸2 = 𝑃 𝐸1 + 𝑃 𝐸2 .

Estos axiomas implican los siguientes resultados

• 𝑃 ∅ =0
• 𝑃 𝐸′ = 1 − 𝑃 𝐸 ;
 Reglas de adición
Las probabilidades de un evento conjunto ( 𝐴 ∪ 𝐵; 𝐴 ∩ 𝐵; 𝐴′ ) puede
determinarse a partir de los eventos individuales que lo componen.

Ejemplo
Considerando que se enlista un historial de 890 observaciones del nivel de
imperfecciones y el punto en el que se encuentran. Sea A el evento que
considera un nivel alto de imperfecciones y 𝐵 si las imperfecciones se
encuentran en el centro del material.
Imperfecciones en el centro
No Si
Nivel de Bajo 461 55
imperfecciones Alto 123 251
 Reglas de adición
Así
374 306
𝑃 𝐴 = y 𝑃 𝐵 =
890 890

La probabilidad de que el nivel de imperfecciones y que estás estén en el

centro se denotan,
251
𝑃 𝐴∩𝐵 =
890

La probabilidad de que el nivel sea alto o se encuentre en el centro, se denota

por𝑃 𝐴 ∪ 𝐵 , así

374 306 251 429

𝑃 𝐴∪𝐵 = + − = 𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵
890 890 890 890
 Reglas de Adición
En general, sean 𝐴, 𝐵 y 𝐶

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵

Si 𝐴 𝑦 𝐵 son eventos mutuamente excluyentes, entonces

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵

Cuando hay tres eventos, el cálculo es un poco más complicado

𝑃 𝐴∪𝐵∪𝐶 =𝑃 𝐴 +𝑃 𝐵 +𝑃 𝐶 −𝑃 𝐴∩𝐵 −𝑃 𝐴∩𝐶 −𝑃 𝐵∩𝐶

+𝑃 𝐴∩𝐵∩𝐶
 Reglas de adición
Definición
Se dice que los eventos de una colección 𝐸1 , 𝐸2 , … , 𝐸𝑘 son mutuamente
excluyentes si para todos los pares.

𝑃 𝐸𝑖 ∩ 𝐸𝑗 = ∅

Para una colección de eventos mutuamente excluyentes

𝑃 𝐸1 ∪ 𝐸2 ∪ ⋯ ∪ 𝐸𝑘 = 𝑃 𝐸1 + 𝑃 𝐸2 + ⋯ + 𝑃 𝐸𝑘
 Probabilidad Condicional
Ejemplo
En un proceso de fabricación, el 10% de las piezas presenta imperfecciones
superficiales y 25% de las piezas con imperfecciones superficiales son
funcionalmente defectuosas. En cambio, sólo el 5% de las piezas sin
imperfecciones superficiales presenta defecto funcional.

Definición
La probabilidad condicional de un evento 𝐵 dado un evento 𝐴, queda:
𝑃 𝐴∩𝐵
𝑃 𝐵𝐴 = 𝑝𝑎𝑟𝑎 𝑃 𝐴 > 0
𝑃 𝐴
Así, sean los eventos 𝐷 = 𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 y 𝐹 = 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖𝑜𝑛𝑒𝑠

𝑃 𝐷∩𝐹
𝑃 𝐷𝐹 = = 0,25
𝑃 𝐹
 Reglas de Multiplicación
De la definición de probabilidad condicional puede deducirse una expresión
general para la probabilidad de la intersección de dos eventos.

Regla de Multiplicación

𝑃 𝐴∩𝐵 =𝑃 𝐵 𝐴 𝑃 𝐴
Ejemplo:
La probabilidad de que un producto realizado en la máquina 1 sea defectuoso
es de 0,10. Un 25% de los productos se procesan en la máquina 1.
Sea A el evento de que el producto se procese en la máquina 1. Sea B el
evento que considera un producto defectuoso.
La probabilidad de que el producto se procese en 1 y sea defectuoso.

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 𝐴 𝑃 𝐴 = 0,1 × 0,25 = 0,025

 Regla de probabilidad total
Regla de probabilidad total (dos eventos)
Para cualquier evento A y B

𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐴 + 𝑃 𝐵 ∩ 𝐴′ = 𝑃 𝐵 𝐴 𝑃 𝐴 + 𝑃 𝐵 𝐴 𝑃 𝐴′

Regla de probabilidad total (eventos múltiples)

Sean 𝐸1 , 𝐸2 , … , 𝐸𝑘 , 𝑘 conjuntos mutuamente excluyentes

𝑃 𝐵 = 𝑃 𝐵 ∩ 𝐸1 + 𝑃 𝐵 ∩ 𝐸2 + ⋯ + 𝑃 𝐵 ∩ 𝐸𝑘
= 𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸2 + ⋯ + 𝑃 𝐵 𝐸𝑘 𝑃 𝐸𝑘
 Ejemplo
La probabilidad de que un conector eléctrico que se mantenga seco falle durante
la garantía de un notebook es de 1%. Si el conector siempre está húmedo, la
probabilidad de falla es de 0,05. Si el 90% de los conectores se mantiene seco
¿Qué proporción de conectores fallará durante la garantía?

Solución
Sea 𝑆 el evento que denota seco, 𝐻 el evento húmedo y 𝐹 que el conector falle.
𝐻 = 𝑆 ′ así 𝑃 𝐻 = 𝑃 𝑆 ′ = 1 − 𝑃 𝑆 = 1 − 0,9

𝑃 𝐹 : es la probabilidad de que el conector falle.

𝑃 𝐹 =P 𝐹 𝑆 𝑃 𝑆 +P 𝐹 𝐻 𝑃 𝐻
= 0,01 ∗ 0,90 + 0,05 ∗ 0,10 = 0,014
La proporción de conectores que fallará durante la garantía es de 1,4%
 Independencia
En algunos casos, la probabilidad condicional 𝑃 𝐵 𝐴 podría ser igual a 𝑃 𝐵 .

Ejemplo
Suponga que en un día se producen 850 unidades, de las cuales 50 no
cumplen los requerimientos del cliente. Suponga que se seleccionan dos
partes del lote, pero la primera parte se reemplaza antes de seleccionar la
segunda.
¿Cuál e la probabilidad de que la segunda parte salga defectuosa, dado que la
primera sale defectuosa?

Sea 𝐵 el evento de que la segunda salga defectuosa y 𝐴 de que sea

defectuosa en la primera.
50
𝑃 𝐵𝐴 =𝑃 𝐵 =
850
 Independencia
Definición
Dos eventos son independientes si es verdadero cualquiera de los siguientes
enunciados:

1. 𝑃 𝐴𝐵 =𝑃 𝐴
2. 𝑃 𝐵𝐴 =𝑃 𝐵
3. 𝑃 𝐴∩𝐵 =𝑃 𝐴 𝑃 𝐵

Sean 𝐸1 , 𝐸2 , … , 𝐸𝑛 eventos independientes si y sólo si para.

 Teorema de Bayes
A veces no conocemos toda la información, conocemos la probabilidad
conjunta y nos interesa una probabilidad diferente.

𝑃 𝐴∩𝐵 =𝑃 𝐴 𝐵 𝑃 𝐵 =𝑃 𝐵∩𝐴 =𝑃 𝐵 𝐴 𝑃 𝐴

Así, obtenemos
𝑃 𝐵𝐴 𝑃 𝐴
𝑃 𝐴𝐵 = 𝑝𝑎𝑟𝑎 𝑃 𝐵 > 0
𝑃 𝐵
Sean 𝐸1 , 𝐸2 , … , 𝐸𝑘 , 𝑘 conjuntos mutuamente excluyentes

𝑃 𝐵 𝐸1 𝑃 𝐸1
𝑃 𝐸1 𝐵 =
𝑃 𝐵 𝐸1 𝑃 𝐸1 + 𝑃 𝐵 𝐸2 𝑃 𝐸1 + ⋯ + 𝑃 𝐵 𝐸𝑘 𝑃 𝐸1
 Ejemplo
Una empresa de manufactura emplea tres planos analíticos para el diseño y
desarrollo de un producto especifico. Por razones de costos los tres se utilizan en
momentos diferentes. De hecho, los planos 1, 2 y 3 se utilizan para 30%, 20% y
50% de los productos, respectivamente. La tasa de defectos difiere en los tres
procedimientos de la siguiente manera,

𝑃 𝐷 𝑃1 = 0,01 𝑃 𝐷 𝑃2 = 0,03 𝑃 𝐷 𝑃3 = 0,02

donde,
𝑃 𝐷 𝑃𝑖 : es la probabilidad de que el producto sea defectuoso dado el plano 𝑖
¿cual de los planos tiene mas probabilidades de haberse utilizado y, por lo tanto,
de ser el responsable?
𝑃 𝐷 𝑃1 𝑃 𝑃1
𝑃 𝑃1 𝐷 =
𝑃 𝐷 𝑃1 𝑃 𝑃1 + 𝑃 𝐷 𝑃2 𝑃 𝑃2 + 𝑃 𝐷 𝑃3 𝑃 𝑃3

𝑃 𝑃1 𝐷 = 0,158 𝑃 𝑃2 𝐷 = 0,316 𝑷 𝑷𝟑 𝑫 = 𝟎, 𝟓𝟐𝟔

 Variables aleatorias
Una variable aleatoria es una función que asigna un número real a cada
resultado del espacio muestral de un experimento aleatorio.

Una variable aleatoria se denota por una letra mayúscula como X, la cual
tiene un rango y se habla del rango de X, cuando la variable aleatoria toma un
valor, como 𝑥 = 71 miliamperes. El primer día puede medir 𝑥1 = 71,0, el
segundo día 𝑥2 = 72,2 , el tercero 𝑥3 = 72,2. Así ésta es una variable
aleatoria continua.

Una variable aleatoria podría registrarse como el número de imperfecciones

en un producto, ésta sería una variable aleatoria discreta.
 Variables aleatorias
Una variable aleatoria discreta es una variable aleatoria con un rango finito o
contablemente infinito.

– Corriente eléctrica, longitud, presión, temperatura.

Una variable aleatoria continua es una variable aleatoria tiene como rango un
intervalo de números reales.

– Número de rayaduras, número de defectuosos.

 Resumen
• Se identificaron las principales diferencias entre espacio muestral y
evento.

• Mediante información histórica se puede determinar la probabilidad de

ocurrencia de un cierto evento.

• Mediante los teoremas y reglas de probabilidad, se determina la

probabilidad de ocurrencia de un evento bajo la condición de la ocurrencia
de un evento previo.
 Referencias
Montgomery, D. y Runger, D. (2007). Probabilidad y estadística aplicadas a la
ingeniería. (2da ed.). México: Limusa

Walpole, R., Myers, S. y Myers R. (2007) Probabilidad y estadística para

Ingeniería. (8va ed.). México: Pearson Education.